[发明专利]一种三方网络资源传播方法

说明书

技术领域

本发明涉及生物信息学，尤其涉及一种三方网络资源传播方法。可以得到lncRNA和环境因素之间的关联关系。

背景技术

生物性状的变异是先天或是后天的争论，主要是由于变异是由遗传差异引起还是环境差异引起的争论。目前的主要科学观点认为表型差异，不是由单独的遗传差异或者环境差异产生，而是由二者相互影响，共同决定的。这意味着，表型和疾病被认为是遗传因素(GFs)和环境因素(EFs)之间复杂的相互作用关系决定的。直到今日，人们普遍认为几乎所有的疾病都是从个体的基因组成和各自所处的环境之间复杂的相互作用的结果。一些常见的人体疾病就是由GEs和EFs之间复杂的相互作用关系引起的，如癌症，心脏疾病，阿尔茨海默氏病，和糖尿病。

回顾在设计和研究分析中遇到的挑战，来更好的发现基因和环境因素之间的相互作用关系，并为公共卫生和临床实践中提供更好的方法。Muriel Koehl研究了在成人神经系统中，genes和环境因素的动态相互作用。Su等人进行了病例对照研究，来评估RAGE基因的变异和环境中致癌物质对口腔鳞状细胞癌的影响。Yang等人，手动的收集了可靠的可以支持miRNA-EF关联关系的实验数据，并建立了miREnvironment数据库。Qiu等人分析了miREnvironment数据库中与人类疾病有关的miRNA-EF关联关系对，并通过分析miRNA-EF相互模式获得主要结论。基于疾病的miRNA-EFs关联关系研究中假设，对于一个给定的疾病，相似的miRNAs(EFs)往往会和相似的EFs(miRNAs)产生相互作用关系。Chen基于这个假设，利用重启型随机游走算法(random walk with restart，RWR)来建立了一个新的计算miRNA-EFs关联关系的研究框架，miREFRWR^[14]。然而，和gene与miRNA相比，lncRNA和环境因素的关联关系研究至今还没有一个完整的研究体系，需要能够预测lncRNA-EFs关系的方法来指导lncRNA-EFs的实验研究方向。

参考genes/miRNA-EFs关联关系预测方法，有通过超几何分布，计算生物信息之间关联程度的离散概率确定关联关系；有利用最小二乘法，通过计算生物信息网络上的最小化cost函数，来得到关联关系的最佳分类；有利用重启型随机游走方法，对生物信息建立一张大的关联游走网络，通过收敛路径的方式来找到各个生物结点的关联关系；有利用机器学习的分类方法，如SVM、决策树以及谱聚类方法，将关联关系紧密的结点，分类在一起；或者利用传播学方法，在关系网上根据概率反复迭代，确定关联程度。其他包括神经网络、热扩散还有文本挖掘等等多种方法，都用于到基因-EFs关联关系的预测当中。

由于目前没有一个完整的可靠的lncRNA-EFs关联数据库建立起来，我们可以选择作为lncRNA-EFs预测的数据并不多，限制了预测方法的选择。

在本次研究通过利用机器学习中的三方网络来预测lncRNA和环境因素之间的关联关系。本研究结论对一万多对可能相关的lncRNA和环境因素关联关系进行了可能性排序，这对生物学家在以后的研究环过程中起到指导的作用，可以针对可能性较大的lncRNA和环境因素进行试验测序，避免了盲目的测序比对，减少了工作量。

发明内容

本发明目的在于解决上述现有技术存在的不足，提供一种三方网络资源传播方法，本发明可以针对可能性较大的lncRNA和环境因素进行试验测序，避免了盲目的测序比对，减少了工作量。本发明是基于二分网络模型基础上，将两个二分网络图关联在一起，组成一个三方网络传递结构，建立结点之间的关系网，基于这个关系网获得点与点之间的关联关系。